CN111157201B - 一种用于构建加速超高斯随机振动试验剖面的方法 - Google Patents
一种用于构建加速超高斯随机振动试验剖面的方法 Download PDFInfo
- Publication number
- CN111157201B CN111157201B CN201811318902.4A CN201811318902A CN111157201B CN 111157201 B CN111157201 B CN 111157201B CN 201811318902 A CN201811318902 A CN 201811318902A CN 111157201 B CN111157201 B CN 111157201B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- vibration test
- vibration
- data
- density data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种用于构建加速超高斯随机振动试验剖面的方法,包括:获取机车车辆运行的振动实测加速度时域数据;根据轨道交通运行线路特征信息和列车测量点分布信息,将振动实测加速度时域数据进行归纳处理,得到振动试验归纳加速度;根据振动试验归纳加速度和已确定的振动试验加速因子,得到振动试验实施加速度,基于此,进一步构建加速超高斯随机振动试验剖面。本发明构建的随机振动试验剖面能够更为真实地模拟机车车辆运行的超高斯随机振动环境,可大大提高振动试验激发效率,降低机车车辆设备在实际运行过程中的故障率。
Description
技术领域
本发明涉及轨道交通领域,尤其是涉及一种用于构建加速超高斯随机振动试验剖面的方法。
背景技术
目前我国机车设备一般按IEC61373标准完成振动试验,该标准有效地规范了轨道交通产品的振动试验,为保障机车车辆设备的质量、可靠性和安全性起到了重要的作用。但某些特殊线路上运行的机车设备在按IEC61373通过振动试验后,其使用过程中仍暴露出多类振动失效故障,经对特殊线路进行振动路谱测试与分析可知,运营列车的机车设备在实际运行过程中的实测振动数据呈超高斯分布,这与IEC61373中规定的高斯振动存在明显差异。
由于高斯振动(峭度为3)中其幅值超过3倍rms值的时间仅占0.27%,而峭度为7的超高斯振动其幅值超过3倍rms值的时间竟高达1.5%。由于产品的多数累积疲劳损伤是由2~4倍rms值的峰值加速度所引起的,因此,若仍按高斯振动对特定运营线路上运行的机车设备进行振动试验验证,则明显减少了该设备在实际使用中所经受的疲劳损伤,也无法充分激发现场的故障模式。现有的随机振动试验剖面是基于呈加速高斯分布的实测数据所构建的,无法真实模拟特殊线路上运行的机车设备的振动环境的缺陷,使得利用这种随机振动试验剖面所实施的振动试验的激发效率较低,降低了机车车辆设备在实际运行过程中的故障率。
发明内容
为了解决上述技术问题,本发明实施例提供了一种用于构建加速超高斯随机振动试验剖面的方法,包括:实测数据预处理步骤、获取机车车辆运行的振动实测加速度时域数据;实测数据归纳步骤、根据轨道交通运行线路特征信息和列车测量点分布信息,将所述振动实测加速度时域数据进行归纳处理,得到振动试验归纳加速度;试验剖面构建步骤、根据所述振动试验归纳加速度和已确定的振动试验加速因子,得到振动试验实施加速度,基于此,进一步构建加速超高斯随机振动试验剖面。
优选地,所述试验剖面构建步骤进一步包括:根据所述振动实测加速度时域数据对相应路段的峭度进行统计,得到整个运行线路的三向平均峭度值;计算所述振动试验归纳加速度与所述振动试验加速因子的乘积,得到所述振动试验实施加速度及其对应的三向加速度;根据振动试验实施加速度的三向加速度和所述三向平均峭度值,得到用于实施机车车辆设备振动试验的所述加速超高斯随机振动试验剖面。
优选地,在根据所述振动实测加速度时域数据对相应路段的峭度进行统计,得到整个运行线路的三向平均峭度值步骤中,进一步包括:按照预设的路段样本个数,从所有路段对应的所述振动实测加速度时域数据中,抽取所述路段样本个数对应的加速度时域数据,得到相应的统计样本数据;对所述统计样本数据中对应路段的峭度进行统计,得到针对已抽取路段中每个路段在每个振动方向上的峭度值;进一步计算同一振动方向上的已抽取路段的峭度值的平均值,从而得到已抽取路段的三向平均峭度值。
优选地,所述路段样本个数的范围为5~33。
优选地,所述三向平均峭度值的范围为:4.25~8.62。
优选地,所述实测数据归纳步骤进一步包括:将所述振动实测加速度时域数据进行频域转换处理,得到振动实测加速度谱密度数据;将所述振动实测加速度谱密度数据中每个针对同一线路、同一路段和同一测量点的多次测量下的加速度谱密度数据进行次数归一化处理,得到相应的实测第一归纳谱密度数据;将针对同一线路和同一路段的多个测量点对应的所述实测第一归纳谱密度数据按照测量点分布区域进行测点归一化处理,得到相应的实测第二归纳谱密度数据;将同一区域中的针对同一线路的多个路段对应的所述实测第二归纳谱密度数据进行路段归一化处理,得到相应的振动试验归纳加速度谱密度数据;根据所述振动试验归纳加速度谱密度数据计算该数据的均方根值,得到所述振动试验归纳加速度。
优选地,在将同一区域中的针对同一线路的多个路段对应的所述第二归纳谱密度数据进行路段归一化处理,得到相应的振动试验归纳加速度谱密度数据步骤中,进一步包括:计算同一线路中每个路段的里程系数;将同一区域内的不同路段的所述实测第二归纳谱密度数据与相应的里程系数进行加权处理,得到所述振动试验归纳加速度谱密度数据。
优选地,在将针对同一线路和同一路段的多个测量点对应的所述实测第一归纳谱密度数据按照测量点分布区域进行测点归一化处理,得到相应的实测第二归纳谱密度数据步骤中,进一步包括:根据针对同一线路和同一路段的多个测量点对应的所述实测第一归纳谱密度数据,对同一测点分布区域内所包含的每个测量点对应的加速度谱密度数据进行均值化处理,得到相应的同区域测点平均加速度谱密度数据;计算所述同区域测点平均加速度谱密度数据的标准偏差,得到同区域测点偏差加速度谱密度数据;利用预设的数据优化区间系数,并根据所述同区域测点平均加速度谱密度数据和所述同区域测点偏差加速度谱密度数据,得到所述实测第二归纳谱密度数据。
优选地,所述数据优化区间系数的范围为0.7~0.98。
优选地,所述次数归一化处理采用线性均值法。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本发明提出了针对传统数据归纳方法无法适用于超高斯振动数据归纳的现状,经特殊线路的振动路谱实测与数据处理,提出了一种根据实测环境数据制定加速超高斯随机振动试验剖面的构建方法,利用这种方法构建的随机振动试验剖面,能够更为真实地模拟机车车辆运行的超高斯随机振动环境,可大大提高振动试验激发效率,降低机车车辆设备在实际运行过程中的故障率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法的步骤图。
图2为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法的具体流程图。
图3为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中次数归一化处理的一个具体示例的处理前后对比示意图。
图4为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中测点归一化处理的一个具体示例的处理前后对比示意图。
图5为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中路段归一化处理的X向的一个具体示例的处理前后对比示意图。
图6为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中路段归一化处理的Y向的一个具体示例的处理后示意图。
图7为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中路段归一化处理的Z向的一个具体示例的处理后示意图。
图8为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中的典型疲劳强度曲线的示意图。
图9为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中X向加速超高斯随机振动试验剖面示意图。
图10为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中Y向加速超高斯随机振动试验剖面示意图。
图11为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中Z向加速超高斯随机振动试验剖面示意图。
图12为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中某一测量点在某一线路中的振动实测加速度时域数据的概率密度函数的示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
目前我国机车设备一般按IEC61373标准完成振动试验,该标准有效地规范了轨道交通产品的振动试验,为保障机车车辆设备的质量、可靠性和安全性起到了重要的作用。但某些特殊线路上运行的机车设备在按IEC61373通过振动试验后,其使用过程中仍暴露出多类振动失效故障,经对特殊线路进行振动路谱测试与分析可知,运营列车的机车设备在实际运行过程中的实测振动数据呈超高斯分布,这与IEC61373中规定的高斯振动存在明显差异。
本发明针对以上不足,经对特殊机车车辆运行线路的振动路谱实测与数据处理,提出了一种根据实测环境数据制定加速超高斯随机振动试验剖面的方法,这种方法将所有振动路谱数据(振动实测加速度谱密度数据)按照轨道交通运行线路特征信息和列车测量点分布信息,进行数据归纳处理,得到相应的振动试验归纳加速度,基于此,得到可用于构建加速超高斯随机振动试验剖面的振动试验实施加速度,其中,振动试验实施加速度数据蕴含机车运行过程中的所有振动路谱数据。进一步,对振动实测加速度时域数据(即振动实测加速度谱密度数据对应的时域数据)进行峭度值统计,并将峭度值统计结果和上述振动试验实施加速度进行结合,从而构建出满足加速超高斯随机数据分布情况的随机振动试验剖面。本发明所构建的随机振动剖面能够更为真实地模拟机车车辆运行的超高斯随机振动环境,可大大提高振动试验激发效率,降低机车车辆设备在实际运行过程中的故障率。
图1为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法(以下简称“剖面构建方法”)的步骤图。如图1所示,本发明实施例中的剖面构建方法包括如下步骤:步骤S110(实测数据预处理步骤)中获取机车车辆运行的振动实测加速度时域数据;步骤S120(实测数据归纳步骤)中根据轨道交通运行线路特征信息和列车测量点分布信息,将振动实测加速度时域数据进行归纳处理,得到振动试验归纳加速度;步骤S130(试验剖面构建步骤)中根据振动试验归纳加速度和已确定的振动试验加速因子,得到振动试验实施加速度,基于此,进一步构建加速超高斯随机振动试验剖面。
需要说明的是,上述振动实测加速度时域数据根据机车车辆的多条线路(其中,线路是指机车始发站到终点站之间的线路)的实测振动环境数据来确定的。在获得实测振动环境数据前,需要在机车车辆的不同区域内设置若干个测量点(列车测量点),每个测量点为机车车辆上的机械、气动、电气和/或电子设备或部件(例如:各类电机等),每个测量点对应的设备或部件为振动试验的待试验品。其中,每个测量点分布于机车车辆的位于转向架、或车轴、或车体等区域。振动实测加速度时域数据包括机车车辆在经过每条线路内的所有路段(其中,路段是指机车始发站到终点站之间的对应的所有相邻站点间的线路)时的所有列车测量点的实时振动加速度数据,该数据可在列车的实际运行过程中通过设置在每个测量点处的加速度采集装置得到。其中,上述实时振动加速度数据包括测量点在横向(X向)、垂向(Y向)和纵向(Z向)的实时加速度数据。
图2为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法的具体流程图。下面结合图1和图2对本发明实施例中的剖面构建方法的过程进行详细说明。
在步骤S110中,首先,获取机车车辆运行的实测环境振动数据,并对实测环境振动数据分别进行包括平稳性检测、周期性检验、各态历经性检验和正态性进行检验在内的预处理,从而得到上述振动实测加速度时域数据。其中,在一个实施例中,上述预处理过程所涉及的各种类型的检测可参照国家标准GB 10593.3进行。
图12为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中某一测量点在某一线路中的振动实测加速度时域数据的概率密度函数的示意图。如图12所示,该测量点在当前线路中的峭度值估计结果为5.421,振动实测加速度时域数据呈超高斯分布。
然后,进入到步骤S120中。数据归纳是制定振动试验剖面的先决条件,目前常用的振动数据归纳方法有HB/Z 87、GB10593.3和GJB/Z 126。其中HB/Z 87、GB10593.3采用了极值包络法,该方法按最大量级进行包络,并未考虑数据样本量(路段分布和测量点分布)和数据分布特性(测量点分布),因此,所归纳出的试验条件往往过于严酷。另外,GJB/Z 126采用的统计容差法相对于极值包络法具有质的飞跃,但该方法只适用于高斯振动数据的归纳。为此,发明实施例针对机车设备实测数据和运行的实际情况,提出了一种机车设备实测超高斯振动数据的归纳方法。
具体地,在一个实施例中,参考图2,首先,在步骤S121中将上述振动实测加速度时域数据进行频域转换处理,得到振动实测加速度谱密度数据。其次,在步骤S122中将振动实测加速度谱密度数据中每个针对同一线路、同一路段和同一(列车)测量点的多次测量下的加速度谱密度数据进行次数归一化处理,得到相应的实测第一归纳谱密度数据。然后,在步骤S123中将针对同一线路和同一路段的多个(列车)测量点对应的实测第一归纳谱密度数据按照测量点分布区域进行测点归一化处理,得到相应的实测第二归纳谱密度数据。接着,在步骤S124中将同一区域中的针对同一线路的多个路段对应的第二归纳谱密度数据进行路段归一化处理,得到相应的振动试验归纳加速度谱密度数据。最后,在步骤S125中根据振动试验归纳加速度谱密度数据计算该数据的均方根值,得到振动试验归纳加速度。
进一步,首先,在一个实施例中,针对步骤S121将每个针对同一路段同一测量点n次测量的加速度时域数据,采用Welch法进行时域-频域转换处理,得到每个测量点在经过同一路段、n次测量时的加速度谱密度数据,进一步得到所有针对每个测量点在经过不同路段内针对同一线路、同一路段、n次测量时的加速度谱密度数据,即振动实测加速度谱密度数据。
其次,在一个实施例中,针对步骤S122将每个振动实测加速度谱密度数据中针对同一线路、同一路段和同一(列车)测量点的多次(n次)测量下的加速度谱密度数据采用线性均值法,按照如下式(1)所示的表达式进行次数归一化处理,得到相应的实测第一归纳谱密度数据。
在式(1)中,n表示同一路段测量的次数,GAi(f)表示频率f处针对同一线路、同一路段和同一列车测量点的第i次测量的加速度谱密度数据((m/s2)/Hz),表示频率f处n次测量的加速度谱密度数据的平均值((m/s2)/Hz),也就是上述针对同一线路和同一路段的多个列车测量点对应的加速度谱密度数据的实测第一归纳谱密度数据。
例如,按式(1)对包含M个测点每一路段的n次测量的加速度谱密度数据的振动实测加速度谱密度数据,分别进行X、Y、Z向的次数归一化归纳处理,得到包括每一振动方向(如X向)对应的M份加速度谱密度数据在内的实测第一归纳谱密度数据。图3为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中次数归一化处理的一个具体示例的处理前后对比示意图。图3(a)展示了某测量点X向次数归一化处理前的3次测量的加速度谱密度数据,图3(b)展示了某测量点X向次数归一化处理后的实测第一归纳谱密度数据。这样,参考图3,采用次数归一化处理后将原有的振动实测加速度谱密度数据中,针对同一测量点的同一线路同一路段的不同次数测量的加速度谱密度数据归纳为一条针对同一测量点的同一线路同一路段的加速度谱密度数据,对不同次数的路谱数据进行了归一化处理,达到了简化振动实测加速度谱密度数据的数据量的目的,同时,使得当前每个实测第一归纳谱密度数据中均含有相应测量点的同一线路同一路段的不同次数测量的加速度谱密度数据信息。
然后,再次参考图2,在实际的列车测量点分布情况中,针对同一区域内只能布置有限个测点,而针对同一区域内有限个测量点的数据归纳是为了解决利用该区域内有限个测点数据的分析结果(也就是基于上述针对同一线路和同一路段的多个列车测量点对应的加速度谱密度数据的实测第一归纳谱密度数据),来如何正确反应该区域内所有列车测量点数据特征的问题。
具体地,在一个实施例中,针对步骤S123执行如下操作。首先,根据针对同一线路和同一路段的多个(列车)测量点对应的实测第一归纳谱密度数据,对同一(列车)测点分布区域内所包含的每个测量点对应的加速度谱密度数据(此处的每个测量点对应的加速度谱密度数据为:针对同一线路和同一路段的多个列车测量点对应的实测第一归纳谱密度数据)进行均值化处理,得到相应的同区域测点平均加速度谱密度数据。
进一步,若在同一列车测点分布区域内布置了r个测点,则在同一路段上拥有r个实测第一归纳谱密度数据,将r个实测第一归纳谱密度数据布置在同一个频率轴上,则在某一频率点上对应有r个实测第一归纳谱密度数据对应的加速度幅值分别表示为GB1、GB2....GBr,则按照如下式(2)所示的表达式进行上述均值化处理:
在式(2)中,GBi表示同一列车测点分布区域内第i个测点在某频率点上的实测第一归纳谱密度数据的加速度幅值,表示同一列车测点分布区域内r个测点在某频率点上的加速度幅值的平均值,即同区域测点平均加速度谱密度数据。
然后,按照如下式(3)所示的表达式,计算同区域测点平均加速度谱密度数据的标准偏差,得到同区域测点偏差加速度谱密度数据。
最后,利用预设的数据优化区间系数,并根据同区域测点平均加速度谱密度数据和同区域测点偏差加速度谱密度数据,按照如下式(4)所示的表达式,得到实测第二归纳谱密度数据。其中,数据优化区间系数用于优化上述同区域测点偏差加速度谱密度数据的置信系数。优选地,数据优化区间系数的范围为0.7~0.98。
在式(4)中,1-a表示预设的数据优化区间系数,tr-1,a/2为按自由度r-1及a/2值从t分布表上查出的值,表示同一列车测点分布区域内第i个测点在某频率点上的加速度幅值的平均值的置信上限值。进一步将全部值布置在频率轴上即可得到一个经过测点归一化归纳处理的实测第二归纳谱密度数据GD,该实测第二归纳谱密度数据包含了同一区域中r个测点数据的加速度谱密度数据。
例如,按照式(2)~式(4)对针对同一线路和同一路段的n个列车测量点对应的实测第一归纳谱密度数据,分别进行X、Y、Z向的测点归一化归纳处理,得到包括每个振动方向对应的K(K为路段的数量,如株洲至武汉,可以分为株洲-长沙,长沙-岳阳,岳阳-武汉,3段,即K=3)份实测第二归纳谱密度数据。图4为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中测点归一化处理的一个具体示例的处理前后对比示意图。图4(a)展示了同一列车测点分布区域(如:转向架区域)内同一路段(如株洲-长沙)X向测点归一化归纳处理前的n个列车测量点的实测第一归纳谱密度数据,图4(b)展示了同一列车测点分布区域(如:转向架区域)内同一路段(如株洲-长沙)X向测点归一化归纳处理后的第二归纳谱密度数据。这样,参考图4,采用测点归一化处理后将原有的针对同一线路和同一路段的多个列车测量点对应的实测第一归纳谱密度数据归纳为一条同一区域中的针对同一线路和同一路段对应的实测第二归纳谱密度数据,对同一区域中不同测量点的路谱数据进行了归一化处理,达到了进一步精简上述实测第一归纳谱密度数据的数据量的目的。同时,使得当前每个实测第二归纳谱密度数据中既含有同一区域内的同一线路同一路段的不同测量点的加速度谱密度数据信息,还含有上述相应测量点的同一线路同一路段的不同次数测量的加速度谱密度数据信息。
接下来,由于我国的机车设备以运行里程来确定维修等级,机车设备的运行里程与其使用寿命对应,设备的运行里程越长则其振动累计损伤也越大。因此,在对振动实测加速度时域数据进行归纳时,应根据路段区间的里程长短来确定该路段实测数据在归纳数据中的比重,即该路段区间的里程越长,则在归纳数据中的比重也越大。
具体地,在一个实施例中,针对步骤S124计算同一线路中每个路段的里程系数。进一步,按照如下式(5)所示的表达式,将同一区域内的针对不同路段的实测第二归纳谱密度数据与相应的里程系数进行加权处理,得到针对整条线路的振动试验归纳加速度谱密度数据。
进一步,将整个运行线路(如株洲-武汉)按车站分成m段(如株洲-长沙为其中一段),则在总运行线路上可获得m个同一区域内的实测第二归纳谱密度数据GD,将这m个实测第二归纳谱密度数据布置在同一频率轴上,则在某频率点上对应的m个加速度幅值GD1、GD2....GDm可按式(5)进行归纳:
在式(5)中,γi表示第i路段的加权系数(里程系数),γi=li/L,其中,li表示同一运行线路上第i路段的里程(km),L表示运行线路的总里程(km),GL表示某频率点上m个路段的归纳后的振动试验归纳加速度谱密度数据,GDi表示某一频率点上、某一路段的实测第二归纳谱密度数据对应的加速度幅值,m表示测试线路所分成的段数。进一步,由式(5)可求得各频率点处的GL值,并将全部GL值布置在频率轴上即可得到一个完成路段归一化归纳处理的振动试验归纳加速度谱密度数据,该振动试验归纳加速度谱密度数据包含了同一区域中m个路段的实测第二归纳谱密度数据,且某路段的里程越长,则该路段的实测数据在所归纳PSD中的比重越大。
此处给出的实例如下:将测试线路共分为9个路段,各路段里程数和加权系数(里程系数)见表1。
表1不同路段里程和里程系数列表
而后,利用表1中的里程系数,按式(5)所示的表达式,将9个路段实测第二归纳谱密度数据分别归纳出X、Y、Z向的振动试验归纳加速度谱密度数据,归纳效果参考图5~图7。图5为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中路段归一化处理的X向的一个具体示例的处理前后对比示意图。图5(a)展示了同一测试线路内X向路段归一化归纳处理前的9个路段的实测第二归纳谱密度数据(频率范围为2~350Hz),图5(b)展示了同一测试线路内X向路段归一化归纳处理后的振动试验归纳加速度谱密度数据(频率范围为2~350Hz)。图6为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中路段归一化处理的Y向的一个具体示例的处理后示意图。图6展示了同一测试线路内Y向路段归一化归纳处理后的振动试验归纳加速度谱密度数据(频率范围为2~350Hz)。图7为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中路段归一化处理的Z向的一个具体示例的处理后示意图。图7展示了同一测试线路内Z向路段归一化归纳处理后的振动试验归纳加速度谱密度数据(频率范围为2~350Hz)。
这样,参考图5~图7,采用路段归一化处理后将原有的同一区域内的针对同一线路的不同路段的对应的实测第二归纳谱密度数据归纳为一条同一区域内的针对同一线路的对应的振动试验归纳加速度谱密度数据,对同一线路中不同路段的路普数据进行了归一化处理,进一步达到了精简实测第二归纳谱密度数据的数据量的目的,同时,使得当前振动试验归纳加速度谱密度数据中含有同一区域内的同一线路不同路段的加速度谱密度数据信息、也含有同一区域内的同一线路同一路段的不同测量点的加速度谱密度数据信息,还含有上述相应测量点的同一线路同一路段的不同次数测量的加速度谱密度数据信息。
最后,在一个实施例中,计算振动试验归纳加速度谱密度数据的rms值是制定加速超高斯振动试验剖面的前提条件,因此,针对步骤S125根据上述振动试验归纳加速度谱密度数据计算该数据的均方根值,得到相应的振动试验归纳加速度。具体地,在上述对振动实测加速度谱密度数据分别进行包括次数归一化处理、测点归一化处理和路段归一化处理的归纳处理后,针对同一列车内的每个(列车)测量点分布区域均得到了一条对应于同一路线的振动试验归纳加速度谱密度数据,其中,每条同一路线的振动试验归纳加速度谱密度数据进一步包括X、Y和Z向的振动试验归纳加速度谱密度数据(参见图5b、图6和图7)。而后,按照式(6)所示的表达式,将同一线路中针对X、Y和Z向的振动试验归纳加速度谱密度数据进行均方根值计算,得到同一线路中针对X、Y和Z向的振动试验归纳加速度,即a1、a2和a3。其中,式(6)如下所示:
式(6)中,n1表示振动试验归纳加速度谱密度数据的频带范围内所包含的断点加速度幅值的个数,Gk(p)表示断点编号为k的振动试验归纳加速度谱密度数据GL对应的加速度幅值((m/s2)2/Hz),fk表示断点编号为k的频率值(Hz),arms表示振动试验归纳加速度,进一步,a1、a2和a3分别表示X、Y和Z向上的振动试验归纳加速度。
再次参考图1,最后,进入到步骤S130中根据振动试验归纳加速度和预设的振动试验加速因子,得到振动试验实施加速度,并对振动实测加速度时域数据进行峭度值统计,进一步,根据振动试验实施加速度和峭度值统计结果,构建加速超高斯随机振动试验剖面。加速超高斯振动试验剖面的设计是整个机车设备针对试验过程的核心内容,目前轨道交通行业还没有建立超高斯振动试验标准,因此,必须自主制定试验剖面。本发明实施例中关于试验剖面建立包括振动试验加速因子的计算、峭度值的估计和超高斯试验剖面制定3个方面的内容。
具体地,首先,在步骤S131中,基于上述振动试验归纳加速度的频率范围,根据试验运行时长和待试验设备(机车设备)的实际运行时长,确定振动试验加速因子参数。加速振动试验通过增大试验量级从而缩短试验时间,而加速因子是制定加速试验剖面的关键参数,本发明实施例采用典型疲劳强度曲线(见图8)计算加速因子。图8为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中的典型疲劳强度曲线的示意图。
根据线性疲劳模型Miner模型,假设作用于产品上的加速度幅值与产生的应力幅度成正比,而且产品的损伤D等于所承受应力的m次幂与循环次数Nf的乘积,则有:D=α·△σm·Nf。其中,α表示miner模型中的常数参数,Δσ表示应力等级,m表示指数(典型值为3~9),Nf表示循环次数。在图8中,1/m1为第1段S-N曲线的斜率,1/m2为第2段S-N曲线的斜率,m这个参数是通过大量实验数据回归的。
如图8所示,将试验时的应力幅度设置为△σt,其对应的循环次数为Nt,则有如下表达式:
其中,ND表示图8中S-N曲线转折点D(恒幅疲劳极限)的循环次数,其中,在本发明实施例中ND为5×106次。S-N曲线中转折点D点表示材料耐久性极限应力,该应力值通常为屈服极限应力值的50%~80%,具有代表性的值是50%。当循环次数N接近104时,相应的应力基本上进入塑性区。按理想塑性考虑,当N≤104次时,S-N曲线将以等于屈服极限应力延伸,曲线的转折点一般在106~107之间,通常取5×106作为典型转折点,即图8中的转折点D。
在Ns≥ND时,则有如下表达式:
在式(7)、式(8)中,NS表示机车设备的实际运行时的循环次数,D1、D2分别表示机车设备(待测试设备、待试验品)在试验和实际使用时的损伤,α1、α2分别表示常数miner模型中的常数参数,m1、m2分别表示第1段S-N曲线的斜率,1/m2为第2段S-N曲线的斜率。
进一步,将式(7)、式(8)的两边分别同时除以试验时的损伤D1、实际使用时的损伤D2,并且令α1/D1=α1,α2/D2=α2,得到如下表达式:
根据式(9)、式(10),可用如下表达式表示上述常数α1、α2:
如图8所示,进一步将转折点D点的循环次数ND、以及转折点D点对应的应力幅度△σD,代入上述式(11)、式(12)中,得到如下表达式:
再由式(9)、式(10)可得:
联合式(15)和式(16)可利用如下表达式表示振动试验加速因子β:
在式(17)中,As表示运行加速度(机车运行时的实测加速度),At表示试验加速度(产品在实验室内进行振动试验时的加速度)。
例如,设机车设备的寿命为25年,1年运行300天,每天工作10h,则其运行时间为2.7×108秒。因X、Y、Z向振动试验归纳加速度的频率范围(见图4~图6)的最小频率fmin为2Hz,则与其使用寿命相对应的最少循环次数为:
由式(18)可知,机车设备的实际使用寿命的最少循环次数大于图7中截止极限NL:108。
若设置试验时间为5h(1.8×104秒),则试验时的最少循环次数为:
在本发明实施例中,通过相应的回归试验得到m1=4,m2=m1+2=6。
因此,由上述式(17)~(19)得到加速因子β为:
需要说明的是,本发明实施例中针对振动试验加速因子的计算方法利用典型疲劳强度曲线得到,针对加速因子的计算方法也有很多种,还可以利用Miner模型等方式进行加速因子的计算,本发明对此不作具体限定。
然后,在步骤S132中,根据振动实测加速度时域数据对相应路段的峭度进行统计,得到相应的峭度统计结果,基于此,得到整个线路的三向平均峭度值。工程中常用峭度来描述超高斯随机过程,峭度可由式(21)进行定义,高斯过程的峭度Q=3,超高斯过程的峭度Q>3。其中,式(21)利用如下表达式表示:
式(21)中,Q表示峭度值,x表示随机变量(时间),E(x)表示随机变量x的均值,即振动实测加速度时域数据。
在本发明实施例中的峭度统计过程中,具体地包括如下步骤。首先,按照预设的路段样本个数,从所有路段对应的振动实测加速度时域数据中,抽取路段样本个数个样本路段及每个样本路段对应的加速度时域数据,得到相应的统计样本数据。
然后,对上述统计样本数据中对应的每个样本路段的峭度分别进行统计,得到针对已抽取路段中每个样本路段在每个振动方向上的峭度值。由于每个已抽取路段对应的振动实测加速度时域数据进一步包括X、Y和Z向的加速度时域数据,因此,根据每个已抽取的样本路段的振动实测加速度数据都能够统计出针对当前路段的X、Y和Z向的峭度值(参见表2)。需要说明的是,本发明实施例采用LMS Test Lab软件按照上述时(21)对峭度进行统计,峭度值的统计方法有多种,还可以利用区间估计等其他方法对峭度值进行估计,本发明对此不作具体限定。
接着,进一步计算同一振动方向上的已抽取样本路段的峭度值的平均值,得到已抽取路段的三向平均峭度值,用该参数表示整个运行线路的三向平均峭度值。其中,三相平均峭度值的结果见表2,三向平均峭度值包括已抽取路段的X、Y和Z向的平均峭度值,分别用表示,如表2所示,表2中的路段样本个数为6,数据编号为01、07和13表示同一样本路段的X、Y和Z向的峭度统计值,数据编号为02、08和14表示同一样本路段的X、Y和Z向的峭度统计值,以此类推。
表2已抽取路段内的峭度值统计表
其中,根据机车车辆运行过程中的大量的实时的振动实测加速度时域数据的峭度值统计结果,为了保持峭度均值数据的稳定性,路段样本个数的样本量应不少于5条。优选地,路段样本个数的范围为5~33之间,以保证已抽取路段内的同一方向上的峭度值的稳定性,从而能够利用已抽取的三向平均峭度值表征针对整个运行线路的三向平均峭度值。
进一步的,根据机车车辆运行过程中的大量的实时的振动实测加速度时域数据的峭度值统计结果,针对铁路轨道领域的机车车辆设备在实际运行过程中,无论哪个方向上的平均峭度值的范围均处于4.25~8.62范围之内,从而验证了在铁路轨道领域中,机车车辆设备的振动实测加速度时域数据呈超高斯分布。
接着,在步骤S133中计算上述振动试验归纳加速度与振动试验加速因子的乘积,得到加速超高斯随机振动剖面的振动试验实施加速度及其对应的三向加速度。其中,振动试验实施加速度为加速超高斯随机振动试验剖面的加速度均方根值。
具体地,加速超高斯随机振动试验剖面的加速度均方根值,可利用如下式(22)求得:
Arms=β×arms (22)
其中,β表示振动试验加速因子,通过上述步骤S131中的具体示例得到该振动试验加速因子为5.66,arms表示上述振动试验归纳加速度(其中,振动试验归纳加速度包括X、Y、Z向,分别为a1、a2和a3),Arms表示加速超高斯随机振动剖面的振动试验实施加速度。进一步,由式(22)可求得X、Y、Z向加速试验剖面的实施加速度均方根值对应的三向加速度,分别为A1、A2、A3。
最后,在步骤S134中根据振动试验实施加速度的三向加速度和三向平均峭度值,得到用于实施机车车辆设备振动试验的加速超高斯随机振动试验剖面。具体地,应用现有振动试验设备中的均方根值修正功能,按相应Arms值修正后,得到经不同程度加速因子作用后的X、Y、Z向的加速试验剖面,同时加入表2中统计出的X、Y、Z向的三向平均峭度值,即可得到X、Y、Z向的加速超高斯随机振动试验剖面,参见图10~图12。进一步,将所统计出的(三向)平均峭度值和根据实测数据归纳得到的振动试验实施加速度的三向加速度分别输入到用于随机振动试验中的振动控制器。这样,振动控制器将自动合成超高斯随机振动试验的PSD谱,从而得到加速超高斯随机振动试验剖面。其中,加速超高斯随机振动试验剖面包含了实测数据归纳得到的加速超高斯随机振动剖面的振动试验实施加速度和实测数据统计归纳的平均峭度值两部分的信息。
图9为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中X向加速超高斯随机振动试验剖面示意图。图9(a)展示了X向的加速超高斯随机振动试验剖面,其中,标称值则为振动控制器将自动合成的超高斯随机振动试验的X向的加速度功率谱数据曲线(PSD谱),上、下限值为预设的安全阈值范围,在上述标称值超过上、下限值范围时,启动振动试验的保护机制,使得振动试验中断,从而保护待试验品免于损坏。图9(b)展示了X向的峭度统计结果,其中,
图10为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中Y向加速超高斯随机振动试验剖面示意图。图10(a)展示了Y向的加速超高斯随机振动试验剖面,其中,标称值则为振动控制器将自动合成的超高斯随机振动试验的Y向的加速度功率谱数据曲线(PSD谱),上、下限值为预设的安全阈值范围,在上述标称值超过上、下限值范围时,启动振动试验的保护机制,使得振动试验中断,从而保护待试验品免于损坏。图10(b)展示了Y向的峭度统计结果,其中,
图11为本申请实施例的用于构建加速超高斯随机振动试验剖面的方法中Z向加速超高斯随机振动试验剖面示意图。图11(a)展示了Z向的加速超高斯随机振动试验剖面,其中,标称值则为振动控制器将自动合成的超高斯随机振动试验的Z向的加速度功率谱数据曲线(PSD谱),上、下限值为预设的安全阈值范围,在上述标称值超过上、下限值范围时,启动振动试验的保护机制,使得振动试验中断,从而保护待试验品免于损坏。图11(b)展示了Z向的峭度统计结果,其中,
本发明实施例通过提出一种利用实测超高斯随机振动数据来制定加速超高斯随机振动试验剖面的方法,从工程上解决了通过实测数据制定超高斯试验剖面的问题,并应用于工程实践中,同时,采用了加速试验的方法,缩短了试验时间,进一步采用了超高斯振动试验的方法,可以在较短的时间内,达到与较长时间的高斯振动同样的疲劳损伤效果。因此,本发明实施例中所构建的随机振动试验剖面在应用到振动试验过程中时,大大提高了试验效率,使得加速超高斯随机振动试验可以快速激发产品故障,在同样试验时间内可以加速产品疲劳损失,从而提升了试验效率。
在一个实施例中,根据中车株洲所得试验数据:在同样的试验时间内,同样的振动加速度均方根值下,峭度值为5的超高斯随机振动试验的效率比峭度为3的高斯随机振动试验效率提升38.2%。另外,由于本发明所构建的试验振动剖面是采用实测环境数据归纳得到的,因此,这种剖面比标准规定的高斯振动能够更加真实地模拟机车车辆设备所历经的振动环境,进一步,也能够在实验室内激发出更多的现场故障模式,从而大大减少了机车车辆设备在现场应用时的故障率和维护成本。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (8)
1.一种用于构建加速超高斯随机振动试验剖面的方法,包括:
实测数据预处理步骤、获取机车车辆运行的振动实测加速度时域数据;
实测数据归纳步骤、根据轨道交通运行线路特征信息和列车测量点分布信息,将所述振动实测加速度时域数据进行归纳处理,得到振动试验归纳加速度,所述实测数据归纳步骤进一步包括:
将所述振动实测加速度时域数据进行频域转换处理,得到振动实测加速度谱密度数据;
将所述振动实测加速度谱密度数据中每个针对同一线路、同一路段和同一测量点的多次测量下的加速度谱密度数据进行次数归一化处理,得到相应的实测第一归纳谱密度数据;
将针对同一线路和同一路段的多个测量点对应的所述实测第一归纳谱密度数据按照测量点分布区域进行测点归一化处理,得到相应的实测第二归纳谱密度数据;
将同一区域中的针对同一线路的多个路段对应的所述实测第二归纳谱密度数据进行路段归一化处理,得到相应的振动试验归纳加速度谱密度数据;
根据所述振动试验归纳加速度谱密度数据计算该数据的均方根值,得到所述振动试验归纳加速度;
试验剖面构建步骤、根据所述振动试验归纳加速度和已确定的振动试验加速因子,得到振动试验实施加速度,基于此,进一步构建加速超高斯随机振动试验剖面,所述试验剖面构建步骤进一步包括:
根据所述振动实测加速度时域数据对相应路段的峭度进行统计,得到整个运行线路的三向平均峭度值;
计算所述振动试验归纳加速度与所述振动试验加速因子的乘积,得到所述振动试验实施加速度及其对应的三向加速度;
根据振动试验实施加速度的三向加速度和所述三向平均峭度值,得到用于实施机车车辆设备振动试验的所述加速超高斯随机振动试验剖面。
2.根据权利要求1所述的方法,其特征在于,在根据所述振动实测加速度时域数据对相应路段的峭度进行统计,得到整个运行线路的三向平均峭度值步骤中,进一步包括:
按照预设的路段样本个数,从所有路段对应的所述振动实测加速度时域数据中,抽取所述路段样本个数个路段及每个样本路段对应的加速度时域数据,得到相应的统计样本数据;
对所述统计样本数据中对应的每个样本路段的峭度分别进行统计,得到针对已抽取路段中每个路段在每个振动方向上的峭度值;
进一步计算同一振动方向上的已抽取样本路段的峭度值的平均值,从而得到已抽取路段的三向平均峭度值。
3.根据权利要求2所述的方法,其特征在于,所述路段样本个数的范围为5~33。
4.根据权利要求2或3所述的方法,其特征在于,所述三向平均峭度值的范围为:4.25~8.62。
5.根据权利要求1所述的方法,其特征在于,在将同一区域中的针对同一线路的多个路段对应的所述第二归纳谱密度数据进行路段归一化处理,得到相应的振动试验归纳加速度谱密度数据步骤中,进一步包括:
计算同一线路中每个路段的里程系数;
将同一区域内的不同路段的所述实测第二归纳谱密度数据与相应的里程系数进行加权处理,得到所述振动试验归纳加速度谱密度数据。
6.根据权利要求1或5所述的方法,其特征在于,在将针对同一线路和同一路段的多个测量点对应的所述实测第一归纳谱密度数据按照测量点分布区域进行测点归一化处理,得到相应的实测第二归纳谱密度数据步骤中,进一步包括:
根据针对同一线路和同一路段的多个测量点对应的所述实测第一归纳谱密度数据,对同一测点分布区域内所包含的每个测量点对应的加速度谱密度数据进行均值化处理,得到相应的同区域测点平均加速度谱密度数据;
计算所述同区域测点平均加速度谱密度数据的标准偏差,得到同区域测点偏差加速度谱密度数据;
利用预设的数据优化区间系数,并根据所述同区域测点平均加速度谱密度数据和所述同区域测点偏差加速度谱密度数据,得到所述实测第二归纳谱密度数据。
7.根据权利要求6所述的方法,其特征在于,所述数据优化区间系数的范围为0.7~0.98。
8.根据权利要求1所述的方法,其特征在于,所述次数归一化处理采用线性均值法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811318902.4A CN111157201B (zh) | 2018-11-07 | 2018-11-07 | 一种用于构建加速超高斯随机振动试验剖面的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811318902.4A CN111157201B (zh) | 2018-11-07 | 2018-11-07 | 一种用于构建加速超高斯随机振动试验剖面的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111157201A CN111157201A (zh) | 2020-05-15 |
CN111157201B true CN111157201B (zh) | 2021-10-08 |
Family
ID=70555312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811318902.4A Active CN111157201B (zh) | 2018-11-07 | 2018-11-07 | 一种用于构建加速超高斯随机振动试验剖面的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111157201B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113639945B (zh) * | 2021-06-28 | 2024-02-09 | 上海宇航系统工程研究所 | 基于经验模态分解的航天器随机振动试验条件设计方法 |
CN117191311B (zh) * | 2023-08-14 | 2024-05-24 | 暨南大学 | 物流非平稳、非高斯振动下产品的加速振动试验方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217264A (zh) * | 2013-04-03 | 2013-07-24 | 中国人民解放军国防科学技术大学 | 一种适用于电子产品的加速可靠性鉴定试验方法 |
CN103852269A (zh) * | 2012-12-01 | 2014-06-11 | 南车青岛四方机车车辆股份有限公司 | 高速列车运行动力学参数检测方法 |
CN203811341U (zh) * | 2013-12-19 | 2014-09-03 | 西安铁路信号有限责任公司 | 一种铁路转辙机振动传递路径分析的试验测试装置 |
CN107103162A (zh) * | 2017-05-26 | 2017-08-29 | 中国人民解放军国防科学技术大学 | 一种基于疲劳损伤累积理论的振动加速试验方法及系统 |
CN107202701A (zh) * | 2017-06-13 | 2017-09-26 | 中车齐齐哈尔车辆有限公司 | 铁路货车车体加速疲劳试验的试验方法 |
CN107966307A (zh) * | 2017-12-14 | 2018-04-27 | 常州路航轨道交通科技有限公司 | 一种基于振动加速度的列车运行安全在线监测方法 |
CN108593308A (zh) * | 2018-04-24 | 2018-09-28 | 桂林电子科技大学 | 一种基于卡车转向振动路径的多源振点等效和故障结构区域的故障区定位方法 |
-
2018
- 2018-11-07 CN CN201811318902.4A patent/CN111157201B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103852269A (zh) * | 2012-12-01 | 2014-06-11 | 南车青岛四方机车车辆股份有限公司 | 高速列车运行动力学参数检测方法 |
CN103217264A (zh) * | 2013-04-03 | 2013-07-24 | 中国人民解放军国防科学技术大学 | 一种适用于电子产品的加速可靠性鉴定试验方法 |
CN203811341U (zh) * | 2013-12-19 | 2014-09-03 | 西安铁路信号有限责任公司 | 一种铁路转辙机振动传递路径分析的试验测试装置 |
CN107103162A (zh) * | 2017-05-26 | 2017-08-29 | 中国人民解放军国防科学技术大学 | 一种基于疲劳损伤累积理论的振动加速试验方法及系统 |
CN107202701A (zh) * | 2017-06-13 | 2017-09-26 | 中车齐齐哈尔车辆有限公司 | 铁路货车车体加速疲劳试验的试验方法 |
CN107966307A (zh) * | 2017-12-14 | 2018-04-27 | 常州路航轨道交通科技有限公司 | 一种基于振动加速度的列车运行安全在线监测方法 |
CN108593308A (zh) * | 2018-04-24 | 2018-09-28 | 桂林电子科技大学 | 一种基于卡车转向振动路径的多源振点等效和故障结构区域的故障区定位方法 |
Non-Patent Citations (3)
Title |
---|
超高斯随机振动环境的疲劳强化机理;蒋培 等;《国防科技大学学报》;20041231;第26卷(第3期);第99-102页 * |
超高斯随机振动疲劳加速试验模型研究;蒋瑜 等;《振动与冲击》;20171231;第36卷(第9期);第261-266页 * |
铁路运输环境中超高斯随机振动信号模拟技术;李明月 等;《交通科技与经济》;20131231;第15卷(第5期);第13-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111157201A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111157201B (zh) | 一种用于构建加速超高斯随机振动试验剖面的方法 | |
CN107609317B (zh) | 一种钢桥疲劳评估荷载建模及疲劳评估方法 | |
CN112199793B (zh) | 一种非高斯载荷的损伤等效试验谱优化方法 | |
CN109358306B (zh) | 一种基于gm(1,1)的智能电能表健康度趋势预测方法 | |
CN110688710A (zh) | 一种基于轨道交通车辆轮对寿命统计学模型的镟修方法 | |
CN110186556A (zh) | 一种新能源汽车电机台架试验噪声评价方法 | |
De Freitas et al. | Analysis of fatigue crack growth in rotary bend specimens and railway axles | |
CN114357614A (zh) | 基于轴箱振动的转向架疲劳寿命在线估计方法 | |
CN114001984A (zh) | 轨道车辆结构件的振动疲劳可靠性试验方法及装置 | |
Szkoda et al. | The application of failure mode and effects analysis (FMEA) for the risk assessment of changes in the maintenance system of railway vehicles | |
Zhang | Study on testing and establishment method for the load spectrum of bogie frame for high-speed trains | |
CN110147643B (zh) | 车钩钩体剩余寿命确定方法和装置 | |
CN110736595B (zh) | 轨道交通舱室内电子设备寿命评估方法 | |
CN109989309B (zh) | 一种铁路钢轨廓形质量评估方法 | |
Chauhan et al. | Numerical simulation of tire and wheel assembly impact test using finite element method | |
CN105068973A (zh) | 一种频响函数计算中的矩阵分解奇异值取舍方法 | |
Zhao et al. | Track irregularity feature extraction based on the improved ensemble empirical mode decomposition | |
CN206369581U (zh) | 一种使用拉力传感器的动态称重系统 | |
Ono | On dynamic weighing of highway vehicles in motion | |
CN103084977B (zh) | 铁路货车轮对压装力的控制方法 | |
CN111144037B (zh) | 一种轨道交通变流器柜体与车体联接刚度确定的方法 | |
Yang et al. | Study on dynamic performance of 140 km/h metro vehicles with rubber stack traction structure: rolling vibration test and simulation | |
Miao et al. | The correlation between static strength and fatigue strength test and simulation | |
CN109388860A (zh) | 一种伽玛型单元寿命分布参数估计方法 | |
CN115876412B (zh) | 基于应变米的装配式梁桥健康状态评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |